拉出短语-Regex R之前的文本

我希望在

R

中使用正则表达式提取出现在一组短语之前的文本

示例短语

c（“短语1”、“短语2”、“短语3”）

示例文本：

*NAME ALPHA PHRASE1 BLA BLA TEXT 81249
*NAME BETA PHRASE1 BLA BLA 81229
*NAME GAMMA PHRASE2 BLA BLA TEXT 85129
*NAME DELTA PHRASE3 BLA BLA 86129
*NAME EPSILON PHRASE2 BLA BLA 81729

我想提取以下

c（“名称ALPHA”、“名称BETA”、“名称GAMMA”）

等等（忽略

*

）

regex101链接：

初始尝试

(!\*)q+(?=PHRASE1)

在

R

中：

str_extract(x, "(!\*)q+(?=PHRASE1)")

---

A

stringr

解决方案

你可以用

---

xA
stringr
解决方案

你可以用

x将我的评论转换为答案，以便将来的访问者可以轻松找到解决方案

您可以使用lookback和lookahead使用此正则表达式：

str_extract（x），（？将我的评论转换为答案，以便为未来的访问者找到解决方案

您可以使用lookback和lookahead使用此正则表达式：

str_extract（x，”（？替换为
strsplit（）
然后删除尾随空格

代码

  sapply(str2, function(z){
    # remove * and whitespaces
    gsub("[*]|\\s+$", "", 
    # split by phrase and choose part of interest
    sapply(strsplit(str1, z)[grepl(z, str1)], "[[", 1))
   })
    
# $PHRASE1
# [1] "NAME ALPHA" "NAME BETA" 

# $PHRASE2
# [1] "NAME GAMMA"   "NAME EPSILON"

# $PHRASE3
# [1] "NAME DELTA"

数据

str1 <- c("*NAME ALPHA PHRASE1 BLA BLA TEXT 81249",
"*NAME BETA PHRASE1 BLA BLA 81229",
"*NAME GAMMA PHRASE2 BLA BLA TEXT 85129",
"*NAME DELTA PHRASE3 BLA BLA 86129",
"*NAME EPSILON PHRASE2 BLA BLA 81729")

str2 <- c("PHRASE1", "PHRASE2", "PHRASE3")

str1替换为
strsplit（）
，然后删除尾随空格

代码

  sapply(str2, function(z){
    # remove * and whitespaces
    gsub("[*]|\\s+$", "", 
    # split by phrase and choose part of interest
    sapply(strsplit(str1, z)[grepl(z, str1)], "[[", 1))
   })
    
# $PHRASE1
# [1] "NAME ALPHA" "NAME BETA" 

# $PHRASE2
# [1] "NAME GAMMA"   "NAME EPSILON"

# $PHRASE3
# [1] "NAME DELTA"

数据

str1 <- c("*NAME ALPHA PHRASE1 BLA BLA TEXT 81249",
"*NAME BETA PHRASE1 BLA BLA 81229",
"*NAME GAMMA PHRASE2 BLA BLA TEXT 85129",
"*NAME DELTA PHRASE3 BLA BLA 86129",
"*NAME EPSILON PHRASE2 BLA BLA 81729")

str2 <- c("PHRASE1", "PHRASE2", "PHRASE3")

str1模式中的
q
是什么？
！\*
匹配一个
！*
字符串，您的字符串中没有它。请注意，您需要在常规字符串文本中使用双反斜杠来定义文本反斜杠（正则表达式转义部分）对不起，我对regex很陌生，但是你知道
q
匹配
q
字符吗？你是什么意思？从
*
开始匹配任何类型的字符尽可能少？或者空格分隔的单词序列？我试图在
短语1
开始之前提取所有字符，所以我想要所有字符
>q
所以我把
+
放在这个正则表达式中：
（？模式中的
q
是什么？
！\*
匹配一个
！*
字符串，你的字符串中没有它。注意，你需要在常规字符串文本中使用双反斜杠来定义一个文本反斜杠（正则表达式转义部分）对不起，我对regex很陌生，但是你知道
q
匹配
q
字符吗？你是什么意思？从
*
开始匹配任何类型的字符尽可能少？或者空格分隔的单词序列？我试图在
短语1
开始之前提取所有字符，所以我想要所有字符
>q
所以我把
+
放在这里，试试这个正则表达式：
（？